CN110091876B - 一种线控四轮转向电动叉车的多故障检测和隔离方法 - Google Patents
一种线控四轮转向电动叉车的多故障检测和隔离方法 Download PDFInfo
- Publication number
- CN110091876B CN110091876B CN201910397391.8A CN201910397391A CN110091876B CN 110091876 B CN110091876 B CN 110091876B CN 201910397391 A CN201910397391 A CN 201910397391A CN 110091876 B CN110091876 B CN 110091876B
- Authority
- CN
- China
- Prior art keywords
- fault
- wheel
- forklift
- sensor
- equation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/029—Adapting to failures or work around with other constraints, e.g. circumvention by avoiding use of failed parts
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Steering-Linkage Mechanisms And Four-Wheel Steering (AREA)
- Forklifts And Lifting Vehicles (AREA)
Abstract
本发明涉及一种线控四轮转向电动叉车的多故障检测和隔离方法,包括:建立电动叉车三自由度动力学模型;构造故障模型;设计自适应滑模变结构观测器;对每一个可能故障部位设置一个自适应滑模变结构观测器,并设定不同的故障阈值;根据残差准确判断具体哪个传感器或执行器发生故障,并判断具体的故障时间;若发生故障,及时对故障进行隔离,并提醒驾驶员有故障发生;若未发生故障,则以设定的时间间隔循环执行步骤(1)到步骤(6),实现线控四轮转向电动叉车的故障检测和隔离。本发明可以快速精确定位,合理地对执行器故障和观测器故障进行故障隔离,使得线控四轮转向电动叉车在各种复杂的工况下都具有良好的安全性和稳定性。
Description
技术领域
本发明涉及安全辅助驾驶及智能故障检测技术领域,尤其是线控四轮转向电动叉车的多故障检测和隔离方法。
背景技术
近年来,随着工业化和科技的发展,工程车辆愈加频繁的被使用。同时随着汽车科技的发展,更先进的技术也别运用于工程车辆,提高了其操作性、安全性和驾驶稳定性。其中,叉车作为一种主要的货物搬运车辆,在港口、物流仓库和工厂车间等地方大量的运用。但传统燃油叉车,存在能耗大、环境污染等问题,从未电动叉车被大量应用。
四轮独立驱动电动叉车的四个驱动轮转矩可以随意分配,控制灵活,成为当前国内外纯电动车领域的研究热点。同时,线控转向***具有提高汽车安全性能、改善驾驶特性、增强操纵性和改善驾驶员的路感的特点。
叉车工作于这些地点,常遇到空间狭小、转向频繁的工作环境,使得叉车比其它工程车辆相比,工作环境更加恶劣,更需注重转向操作和安全问题。若发生故障时,传统的故障检测隔离方法不能被及时检测和隔离,会导致叉车存在安全隐患,甚至失控,或其它严重安全事故。
发明内容
本发明的目的在于提供一种有效保证线控四轮转向电动叉车在复杂工作环境中的可操作性、稳定性和安全性的线控四轮转向电动叉车的多故障检测和隔离方法。
为实现上述目的,本发明采用了以下技术方案:一种线控四轮转向电动叉车的多故障检测和隔离方法,该方法包括以下顺序的步骤:
(1)根据电动叉车实车建立电动叉车三自由度动力学模型;
(2)根据叉车在运行过程中的故障项和未知扰动项,再结合已建立的电动叉车动力学模型,构造故障模型;
(3)根据叉车的当前行驶状态确定实际的横摆角速度wr、实际的侧偏角速度pr和实际的方向盘转角值δr;
(4)设计自适应滑模变结构观测器,其中加入不连续开关项和根据残差确定的自适应项;
(5)对每一个可能故障部位设置一个自适应滑模变结构观测器进行故障监测,并设定不同的故障阈值;
(6)设置的自适应滑模变结构观测器个数与传感器或执行器的个数相同,根据残差准确判断具体哪个传感器或执行器发生故障,并判断具体的故障时间;
(7)若发生故障,及时对故障进行隔离,并提醒驾驶员有故障发生;
(8)若未发生故障,则以设定的时间间隔循环执行步骤(1)到步骤(6),实现线控四轮转向电动叉车的故障检测和隔离。
在所述步骤(1)中,按如下方式建立线控四轮转向电动叉车的电动叉车三自由度动力学模型:
根据叉车动力学原理,出下述三个方程式:
确定绕X轴的侧倾运动方程如式(1):
确定绕Y轴的侧向运动方程如式(2):
确定绕Z轴的横摆运动方程如式(3):
Ix为悬挂质量绕X轴转动惯量;为横摆角加速度;为侧倾角加速度;Mxi为各力矩在X轴方向的分力矩;Ixz为整车绕X轴与Z轴惯量积;FYi为各力矩在Y轴方向的分力矩;Lx为X轴方向作用于悬挂质量的外力矩;m为车辆质量;为侧向加速度;u为纵向前进速度;ω为横摆角速度;ms为簧载质量;hs为簧载质量质心到侧倾中心轴的垂直距离;FY为沿Y轴方向总的外力;Iz为绕Z轴转动惯量;Mzi为各力矩在Z轴方向的分力矩;Mz为对Z轴的总的外力矩;p为侧倾角速度;
确定线控四轮转向电动叉车转矩平衡方程,如式(4)至式(6):
FY=FY1+FY2+FY3+FY4 (5)
Mz=a(FY1+FY2)-b(FY3+FY4) (6)
因为叉车φ值很小,近似认为sinφ=φ,cosφ=1,联立式(1)至式(6),可得以下方程组:
FY1为前轴左轮的垂直载荷;FY2为前轴右轮的垂直载荷;FY3为后轴左轮的垂直载荷;FY4为后轴右轮的垂直载荷;a、b分别为叉车质心到前、后轴的距离;g为重力加速度;为质心侧偏角速度;kφ为悬架侧倾角刚度;Rf为前轴侧倾转向系数;cφ为悬架侧倾角阻尼;φ为车身侧倾角;δf为叉车的前轮转角;δr为叉车的后轮转角;Rr为后轴侧倾转向系数;kf前轴轮胎的等效侧偏刚度;kr后轴轮胎的等效侧偏刚度;横摆角加速度;
将横摆角速度ω、质心侧偏角β、车身侧倾角φ、侧倾角速度p为状态变量,将以上方程可写为如下状态空间方程形式:
x(t)=[ω β φ p]T;U=δf;
其中:U为输入项,输入量为前轮转角角度;A、B、C、M1、M2、M3为含有叉车实车数据的矩阵。
在所述步骤(2)中,所述故障项包括输入干扰项、传感器故障项和执行器故障项,加入输入干扰项、传感器故障项和执行器故障项可得到故障方程:
式中,xp(t)的导数;xp(t)∈Rn:xp(t)=[ω β φ p]T不可测状态量;u(t)∈Rl:输入向量;yp(t)∈Rm:输出向量;Dp:未知扰动等不确定向量;d(t)为未知扰动;fs∈Rm:传感器故障向量;fa∈Rm:执行器故障向量;Esp:已知的传感器故障分布矩阵;Eap:已知的执行器故障分布矩阵;Ap,Bp,Cp:已知常数矩阵;
其中:A1、A2、A3、A4、B1、B2、C2、D2、E1、E2均已给出维数,由关系式CpT0=[0 C2],通过LMI工具箱求出其具体矩阵,式中T0为人为设定矩阵,x1∈R(n+h)×(n+h),x2∈Rp,A1∈R(n+h-p)×(n+h-p),A2∈R(n+h-p)×p,A3∈Rp×(n+h-p),A4∈Rp×p,B1∈R(n+h)-p,B2∈Rp,D2∈Rp×(q+h),E1∈R(n+h)-p,E2∈Rp,C2∈Rp;
把方程(9)根据T0变换为方程(10),中不含有故障项,只有未知扰动项,A1、A2、B1、E1为经数学变换后参数;同理,中同时含有故障项和干扰项,A3、A4、B2、D2、E2为经数学变换后参数;y(t)=C2x2(t)中C2为经数学变换后参数。
在所述步骤(3)中,分别利用横摆角速度传感器、侧偏角速度传感器、方向盘转角传感器测得叉车在当前行驶状态下的横摆角速度wr、侧偏角速度pr、方向盘转角值δr;利用电压传感器测得左前轮驱动电机电压Uf1、右前轮驱动电机电压Uf2、左后轮驱动电机电压Ur1、右后轮驱动电机电压Ur2。
在所述步骤(4)中,设计自适应滑模变结构观测器具体是指:
定义不连续项v,加入到自适应滑模变结构观测器中,
其中,ζ为适当参数;F为待计算的适维矩阵;ey为观测器生成残差;
同时利用残差只包括故障信息,设计一种故障估计算法,该算法包含有包含自适应率,同时得到该算法表达式为:
在所述步骤(5)中,设置各传感器和执行器的阈值,此阈值为正常工作状态下的最大值;横摆角速度传感器阈值为μw;侧偏角速度传感器阈值为μp;方向盘转角传感器阈值为μδ;左前轮驱动电机输出电压阈值为μf1;右前轮驱动电机输出电压阈值为μl2;左后轮驱动电机输出电压阈值为μr1;右后轮驱动电机输出电压阈值为μr2;
当横摆角速度传感器发生故障时,输出的量为we;当侧偏角速度传感器发生故障时,输出的量为pe;当方向盘转角传感器发生故障时,输出的量为δe;执行器为直流驱动电机,用电压控制电机的输出转矩,进而控制车轮转角,所以当执行器发生故障时,输出量为左前轮驱动电机输出电压Ufe1、右前轮驱动电机输出电压Ufe2、左后轮驱动电机输出电压Ure1、右后轮驱动电机输出电压Ure2。
在所述步骤(7)中,若已判断发生故障,则进行故障隔离,并在驾驶室的显示屏提示驾驶员发生故障,蜂鸣器警报。
由上述技术方案可知,本发明的优点在于:第一,本发明根据线控四轮转向电动叉车的结构与工作环境,建立线控四轮转向电动叉车的三自由度整车模型;根据干扰项和故障项,并结合整车模型,建立故障模型,为观测器的使用打下基础;设置自适应滑模观测器,加入变结构参数,可以有效的已知未知输入干扰,并利用残差信号设计自适应率,可以更好地跟踪轨迹;同时利用多观测器思想,并对每一部件设置一个观测器,使得可以使用滑模观测器观测各传感器和执行器的状态,可进行故障检测、状态重构;对不同种类的传感器和执行器设计不同的残差阈值,可有效的根据不同情况判断故障,再利用观测器(执行器)所产生的残差不受其传感器(执行器)自身故障信号和***未知输入的影响,而仅仅受其他传感器(执行器)产生的故障信号影响的特点,这样就可以根据残差准确判断,具体哪个传感器(执行器)发生故障和具体的故障时间;最后,在驾驶室中显示屏中提醒驾驶员叉车在何时、哪个部件发生故障,有效的确保了驾驶员在复杂工作环境下的安全性。第二,本发明中自适应滑模变结构观测器具有更高的灵敏性和快速性,使用残差阈值的方法,可有效的避免误报、错报现象的发生,并采用多观测器的思想,可以快速精确定位,合理地对执行器故障和观测器故障进行故障隔离,使得线控四轮转向电动叉车在各种复杂的工况下都具有良好的安全性和稳定性。
附图说明
图1本发明的方法流程图;
图2为本发明中线控四轮转向电动叉车三自由度模型示意图。
具体实施方式
如图1、2所示,一种线控四轮转向电动叉车的多故障检测和隔离方法,该方法包括以下顺序的步骤:
(1)根据电动叉车实车建立电动叉车三自由度动力学模型;
(2)根据叉车在运行过程中的故障项和未知扰动项,再结合已建立的电动叉车动力学模型,构造故障模型;叉车在运行过程中会遇到各种未知干扰,例如环境干扰,信号输入过程中的输入干扰,同时***部件也会发生故障;
(3)根据叉车的当前行驶状态确定实际的横摆角速度wr、实际的侧偏角速度pr和实际的方向盘转角值δr;
(4)设计自适应滑模变结构观测器,其中加入不连续开关项和根据残差确定的自适应项;
(5)对每一个可能故障部位设置一个自适应滑模变结构观测器进行故障监测,并设定不同的故障阈值;
(6)设置的自适应滑模变结构观测器个数与传感器或执行器的个数相同,根据残差准确判断具体哪个传感器或执行器发生故障,并判断具体的故障时间;
(7)若发生故障,及时对故障进行隔离,并提醒驾驶员有故障发生;
(8)若未发生故障,则以设定的时间间隔循环执行步骤(1)到步骤(6),实现线控四轮转向电动叉车的故障检测和隔离。
在所述步骤(1)中,按如下方式建立线控四轮转向电动叉车的电动叉车三自由度动力学模型:
根据叉车动力学原理,出下述三个方程式:
确定绕X轴的侧倾运动方程如式(1):
确定绕Y轴的侧向运动方程如式(2):
确定绕Z轴的横摆运动方程如式(3):
Ix为悬挂质量绕X轴转动惯量;为横摆角加速度;为侧倾角加速度;Mxi为各力矩在X轴方向的分力矩;Ixz为整车绕X轴与Z轴惯量积;FYi为各力矩在Y轴方向的分力矩;Lx为X轴方向作用于悬挂质量的外力矩;m为车辆质量;为侧向加速度;u为纵向前进速度;ω为横摆角速度;ms为簧载质量;hs为簧载质量质心到侧倾中心轴的垂直距离;FY为沿Y轴方向总的外力;Iz为绕Z轴转动惯量;Mzi为各力矩在Z轴方向的分力矩;Mz为对Z轴的总的外力矩;p为侧倾角速度;
确定线控四轮转向电动叉车转矩平衡方程,如式(4)至式(6):
FY=FY1+FY2+FY3+FY4 (5)
Mz=a(FY1+FY2)-b(FY3+FY4) (6)
因为叉车φ值很小,近似认为sinφ=φ,cosφ=1,联立式(1)至式(6),可得以下方程组:
FY1为前轴左轮的垂直载荷;FY2为前轴右轮的垂直载荷;FY3为后轴左轮的垂直载荷;FY4为后轴右轮的垂直载荷;a、b分别为叉车质心到前、后轴的距离;g为重力加速度;为质心侧偏角速度;kφ为悬架侧倾角刚度;Rf为前轴侧倾转向系数;cφ为悬架侧倾角阻尼;φ为车身侧倾角;δf为叉车的前轮转角;δr为叉车的后轮转角;Rr为后轴侧倾转向系数;kf前轴轮胎的等效侧偏刚度;kr后轴轮胎的等效侧偏刚度;横摆角加速度;
将横摆角速度ω、质心侧偏角β、车身侧倾角φ、侧倾角速度p为状态变量,将以上方程可写为如下状态空间方程形式:
x(t)=[ω β φ p]T;U=δf;
其中:U为输入项,输入量为前轮转角角度;A、B、C、M1、M2、M3为含有叉车实车数据的矩阵。
在所述步骤(2)中,所述故障项包括输入干扰项、传感器故障项和执行器故障项,加入输入干扰项、传感器故障项和执行器故障项可得到故障方程:
式中,xp(t)的导数;xp(t)∈Rn:xp(t)=[ω β φ p]T不可测状态量;u(t)∈Rl:输入向量;yp(t)∈Rm:输出向量;Dp:未知扰动等不确定向量;d(t)为未知扰动;fs∈Rm:传感器故障向量;fa∈Rm:执行器故障向量;Esp:已知的传感器故障分布矩阵;Eap:已知的执行器故障分布矩阵;Ap,Bp,Cp:已知常数矩阵;
其中:A1、A2、A3、A4、B1、B2、C2、D2、E1、E2均已给出维数,由关系式CpT0=[0 C2],通过LMI工具箱求出其具体矩阵,式中T0为人为设定矩阵,x1∈R(n+h)×(n+h),x2∈Rp,A1∈R(n+h-p)×(n+h-p),A2∈R(n+h-p)×p,A3∈Rp×(n+h-p),A4∈Rp×p,B1∈R(n+h)-p,B2∈Rp,D2∈Rp×(q+h),E1∈R(n+h)-p,E2∈Rp,C2∈Rp;
把方程(9)根据T0变换为方程(10),中不含有故障项,只有未知扰动项,A1、A2、B1、E1为经数学变换后参数;同理,中同时含有故障项和干扰项,A3、A4、B2、D2、E2为经数学变换后参数;y(t)=C2x2(t)中C2为经数学变换后参数。
在所述步骤(3)中,分别利用横摆角速度传感器、侧偏角速度传感器、方向盘转角传感器测得叉车在当前行驶状态下的横摆角速度wr、侧偏角速度pr、方向盘转角值δr;利用电压传感器测得左前轮驱动电机电压Uf1、右前轮驱动电机电压Uf2、左后轮驱动电机电压Ur1、右后轮驱动电机电压Ur2。
在所述步骤(4)中,设计自适应滑模变结构观测器具体是指:
定义不连续项v,加入到自适应滑模变结构观测器中,
其中,ζ为适当参数;F为待计算的适维矩阵;ey为观测器生成残差;
同时利用残差只包括故障信息,设计一种故障估计算法,该算法包含有包含自适应率,同时得到该算法表达式为:
在所述步骤(5)中,设置各传感器和执行器的阈值,此阈值为正常工作状态下的最大值;横摆角速度传感器阈值为μw;侧偏角速度传感器阈值为μp;方向盘转角传感器阈值为μδ;左前轮驱动电机输出电压阈值为μf1;右前轮驱动电机输出电压阈值为μl2;左后轮驱动电机输出电压阈值为μr1;右后轮驱动电机输出电压阈值为μr2;
当横摆角速度传感器发生故障时,输出的量为we;当侧偏角速度传感器发生故障时,输出的量为pe;当方向盘转角传感器发生故障时,输出的量为δe;执行器为直流驱动电机,用电压控制电机的输出转矩,进而控制车轮转角,所以当执行器发生故障时,输出量为左前轮驱动电机输出电压Ufe1、右前轮驱动电机输出电压Ufe2、左后轮驱动电机输出电压Ure1、右后轮驱动电机输出电压Ure2。
在所述步骤(7)中,若已判断发生故障,则进行故障隔离,并在驾驶室的显示屏提示驾驶员发生故障,蜂鸣器警报。
在步骤(5)中,由于各执行器和传感器的种类不用,工作特性不同,需设计不同的残差阈值来判断,***中各部件是否发生故障。
设定横摆角速度传感器的故障残差阈值为wm,侧偏角速度传感器的故障残差阈值为pm,方向盘转角传感器的故障残差阈值为δm。左前轮驱动电机输出电压阈值为μfm1;右前轮驱动电机输出电压阈值为μlm2;左后轮驱动电机输出电压阈值为μrm1;右后轮驱动电机输出电压阈值为μrm2;
以横摆角速度传感器为例,若||eyw||2≤wm,则横摆角速度传感器未发生故障,反之,若||eyw||2>wm,则横摆角速度传感器发生故障。以此类推,偏角速度传感器、方向盘转角传感器和各轮子直流驱动电机均可利用此方法检测是否发生故障。
在步骤(6)中,如果只对***部件设置观测器,仅能发现***部件是否发生故障,不能确立具体故障点。为了实现故障隔离的目的,需要确定故障发生的具***置和时间。因此,使用多观测器故障隔离技术,设计与使用的传感器和执行器相同数目的观测器,即设计11个滑模观测器,使得第j+1(j=0,1,…,10)个观测器(执行器)所产生的残差不受其传感器(执行器)自身故障信号和***未知输入的影响,而仅仅受其他传感器(执行器)产生的故障信号影响,这样就可以根据残差准确判断,具体哪个传感器发生故障和具体的故障时间。
假设针对第j+1个部件发生故障,构造如下观测器
表1可以清晰地表达出传感器故障判别规则的形式,其中:“1”表示在相应观测器下,残差范数不为0,即未发生故障;“0”表示相应观测器下,残差范数为0,即发生故障。
表1传感器故障判别规则
表2可以清晰地表达出执行器故障判别规则的形式,其中:“1”表示在相应观测器下,残差范数不为0,即未发生故障;“0”表示相应观测器下,残差范数为0,即发生故障。
其中,横摆角速度传感器故障fs1,侧偏角速度传感器故障fs2、方向盘转角传感器故障fs3、左前轮驱动电机传感器故障fsa1、右前轮驱动电机传感器故障fsa2、左后轮驱动电机传感器故障fsa3、右后轮驱动电机传感器故障fsa4。
表2执行器故障判别规则
其中,左前轮驱动电机传感器故障fa1、右前轮驱动电机传感器故障fa2、左后轮驱动电机传感器故障fa3、右后轮驱动电机传感器故障fa4。
在步骤7中,若判断已发生故障,主动进行故障隔离,用滑模观测器进行状态重构,并将相应的故障位置“1”,在驾驶室中的显示屏上,显示出故障发生时间和具体部位,起到提醒驾驶员的作用,防止事故发生,保证叉车安全性和稳定性。
综上所述,本发明根据线控四轮转向电动叉车的结构与工作环境,建立线控四轮转向电动叉车的三自由度整车模型;根据干扰项和故障项,并结合整车模型,建立故障模型,为观测器的使用打下基础;设置自适应滑模观测器,加入变结构参数,可以有效的已知未知输入干扰,并利用残差信号设计自适应率,可以更好地跟踪轨迹;同时利用多观测器思想,并对每一部件设置一个观测器,使得可以使用滑模观测器观测各传感器和执行器的状态,可进行故障检测、状态重构;对不同种类的传感器和执行器设计不同的残差阈值,可有效的根据不同情况判断故障,再利用观测器(执行器)所产生的残差不受其传感器(执行器)自身故障信号和***未知输入的影响,而仅仅受其他传感器(执行器)产生的故障信号影响的特点,这样就可以根据残差准确判断,具体哪个传感器(执行器)发生故障和具体的故障时间;最后,在驾驶室中显示屏中提醒驾驶员叉车在何时、哪个部件发生故障,有效的确保了驾驶员在复杂工作环境下的安全性。
Claims (7)
1.一种线控四轮转向电动叉车的多故障检测和隔离方法,其特征在于:该方法包括以下顺序的步骤:
(1)根据电动叉车实车建立电动叉车三自由度动力学模型;
(2)根据叉车在运行过程中的故障项和未知扰动项,再结合已建立的电动叉车动力学模型,构造故障模型;
(3)根据叉车的当前行驶状态确定实际的横摆角速度wr、实际的侧偏角速度pr和实际的方向盘转角值δr;
(4)设计自适应滑模变结构观测器,其中加入不连续开关项和根据残差确定的自适应项;
(5)对每一个可能故障部位设置一个自适应滑模变结构观测器进行故障监测,并设定不同的故障阈值;
(6)设置的自适应滑模变结构观测器个数与传感器或执行器的个数相同,根据残差准确判断具体哪个传感器或执行器发生故障,并判断具体的故障时间;
(7)若发生故障,及时对故障进行隔离,并提醒驾驶员有故障发生;
(8)若未发生故障,则以设定的时间间隔循环执行步骤(1)到步骤(6),实现线控四轮转向电动叉车的故障检测和隔离。
2.根据权利要求1所述的线控四轮转向电动叉车的多故障检测和隔离方法,其特征在于:在所述步骤(1)中,按如下方式建立线控四轮转向电动叉车的电动叉车三自由度动力学模型:
根据叉车动力学原理,出下述三个方程式:
确定绕X轴的侧倾运动方程如式(1):
确定绕Y轴的侧向运动方程如式(2):
确定绕Z轴的横摆运动方程如式(3):
Ix为悬挂质量绕X轴转动惯量;为横摆角加速度;为侧倾角加速度;Mxi为各力矩在X轴方向的分力矩;Ixz为整车绕X轴与Z轴惯量积;FYi为各力矩在Y轴方向的分力矩;Lx为X轴方向作用于悬挂质量的外力矩;m为车辆质量;为侧向加速度;u为纵向前进速度;ω为横摆角速度;ms为簧载质量;hs为簧载质量质心到侧倾中心轴的垂直距离;FY为沿Y轴方向总的外力;Iz为绕Z轴转动惯量;Mzi为各力矩在Z轴方向的分力矩;Mz为对Z轴的总的外力矩;p为侧倾角速度;
确定线控四轮转向电动叉车转矩平衡方程,如式(4)至式(6):
FY=FY1+FY2+FY3+FY4 (5)
Mz=a(FY1+FY2)-b(FY3+FY4) (6)
因为叉车φ值很小,近似认为sinφ=φ,cosφ=1,联立式(1)至式(6),可得以下方程组:
FY1为前轴左轮的垂直载荷;FY2为前轴右轮的垂直载荷;FY3为后轴左轮的垂直载荷;FY4为后轴右轮的垂直载荷;a、b分别为叉车质心到前、后轴的距离;g为重力加速度;为质心侧偏角速度;kφ为悬架侧倾角刚度;Rf为前轴侧倾转向系数;cφ为悬架侧倾角阻尼;φ为车身侧倾角;δf为叉车的前轮转角;δr为叉车的后轮转角;Rr为后轴侧倾转向系数;kf前轴轮胎的等效侧偏刚度;kr后轴轮胎的等效侧偏刚度;横摆角加速度;
将横摆角速度ω、质心侧偏角β、车身侧倾角φ、侧倾角速度p为状态变量,将以上方程可写为如下状态空间方程形式:
M3=[k1 k1a 0 0]T
x(t)=[ω β φ p]T;U=δf;
其中:U为输入项,输入量为前轮转角角度;A、B、C、M1、M2、M3为含有叉车实车数据的矩阵。
3.根据权利要求1所述的线控四轮转向电动叉车的多故障检测和隔离方法,其特征在于:在所述步骤(2)中,所述故障项包括输入干扰项、传感器故障项和执行器故障项,加入输入干扰项、传感器故障项和执行器故障项可得到故障方程:
式中,xp(t)的导数;xp(t)∈Rn:xp(t)=[ω β φ p]T不可测状态量;u(t)∈Rl:输入向量;yp(t)∈Rm:输出向量;Dp:未知扰动等不确定向量;d(t)为未知扰动;fs∈Rm:传感器故障向量;fa∈Rm:执行器故障向量;Esp:已知的传感器故障分布矩阵;Eap:已知的执行器故障分布矩阵;Ap,Bp,Cp:已知常数矩阵;
其中:A1、A2、A3、A4、B1、B2、C2、D2、E1、E2均已给出维数,由关系式CpT0=[0 C2],通过LMI工具箱求出其具体矩阵,式中T0为人为设定矩阵,x1∈R(n+h)×(n+h),x2∈Rp,A1∈R(n +h-p)×(n+h-p),A2∈R(n+h-p)×p,A3∈Rp×(n+h-p),A4∈Rp×p,B1∈R(n+h)-p,B2∈Rp,D2∈Rp×(q+h),E1∈R(n +h)-p,E2∈Rp,C2∈Rp;
4.根据权利要求1所述的线控四轮转向电动叉车的多故障检测和隔离方法,其特征在于:在所述步骤(3)中,分别利用横摆角速度传感器、侧偏角速度传感器、方向盘转角传感器测得叉车在当前行驶状态下的横摆角速度wr、侧偏角速度pr、方向盘转角值δr;利用电压传感器测得左前轮驱动电机电压Uf1、右前轮驱动电机电压Uf2、左后轮驱动电机电压Ur1、右后轮驱动电机电压Ur2。
6.根据权利要求1所述的线控四轮转向电动叉车的多故障检测和隔离方法,其特征在于:在所述步骤(5)中,设置各传感器和执行器的阈值,此阈值为正常工作状态下的最大值;横摆角速度传感器阈值为μw;侧偏角速度传感器阈值为μp;方向盘转角传感器阈值为μδ;左前轮驱动电机输出电压阈值为μf1;右前轮驱动电机输出电压阈值为μl2;左后轮驱动电机输出电压阈值为μr1;右后轮驱动电机输出电压阈值为μr2;
当横摆角速度传感器发生故障时,输出的量为we;当侧偏角速度传感器发生故障时,输出的量为pe;当方向盘转角传感器发生故障时,输出的量为δe;执行器为直流驱动电机,用电压控制电机的输出转矩,进而控制车轮转角,所以当执行器发生故障时,输出量为左前轮驱动电机输出电压Ufe1、右前轮驱动电机输出电压Ufe2、左后轮驱动电机输出电压Ure1、右后轮驱动电机输出电压Ure2。
7.根据权利要求1所述的线控四轮转向电动叉车的多故障检测和隔离方法,其特征在于:在所述步骤(7)中,若已判断发生故障,则进行故障隔离,并在驾驶室的显示屏提示驾驶员发生故障,蜂鸣器警报。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910397391.8A CN110091876B (zh) | 2019-05-14 | 2019-05-14 | 一种线控四轮转向电动叉车的多故障检测和隔离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910397391.8A CN110091876B (zh) | 2019-05-14 | 2019-05-14 | 一种线控四轮转向电动叉车的多故障检测和隔离方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110091876A CN110091876A (zh) | 2019-08-06 |
CN110091876B true CN110091876B (zh) | 2020-06-26 |
Family
ID=67447995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910397391.8A Active CN110091876B (zh) | 2019-05-14 | 2019-05-14 | 一种线控四轮转向电动叉车的多故障检测和隔离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110091876B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111422247A (zh) * | 2020-03-20 | 2020-07-17 | 合肥工业大学 | 线控转向电机和传感器的故障诊断及容错补偿算法 |
US11572671B2 (en) | 2020-10-01 | 2023-02-07 | Caterpillar Sarl | Virtual boundary system for work machine |
CN113830168B (zh) * | 2021-11-05 | 2023-09-22 | 安徽奇米智能科技有限公司 | 一种基于故障估计的车辆前轮转角容错控制方法、*** |
CN113998001B (zh) * | 2021-11-05 | 2024-01-16 | 合肥工业大学 | 一种无人驾驶车辆线控转向的容错控制器及其设计方法 |
CN113815720B (zh) * | 2021-11-05 | 2023-09-22 | 安徽奇米智能科技有限公司 | 一种无人驾驶汽车线控转向***的故障观测器的设计方法 |
CN114104096A (zh) * | 2021-11-23 | 2022-03-01 | 合肥工业大学智能制造技术研究院 | 一种用于线控转向***的转向管柱转角传感器故障判断方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015017589A (ja) * | 2013-07-12 | 2015-01-29 | 日立建機株式会社 | 建設機械 |
CN108248686A (zh) * | 2018-01-31 | 2018-07-06 | 肇庆学院 | 一种基于四轮独立转向驱动线控汽车的紧急制动控制方法 |
FR3062357A1 (fr) * | 2017-01-31 | 2018-08-03 | Peugeot Citroen Automobiles Sa | Procede de surveillance d'un defaut de controle du groupe motopropulseur d’un vehicule |
CN109017778A (zh) * | 2018-07-31 | 2018-12-18 | 大连民族大学 | 四轮独立驱动车辆的期望路径主动转向控制方法 |
CN109399506A (zh) * | 2018-10-23 | 2019-03-01 | 芜湖智久机器人有限公司 | 一种用于智能叉车臂故障的检测***、检测方法及其处理方法 |
-
2019
- 2019-05-14 CN CN201910397391.8A patent/CN110091876B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015017589A (ja) * | 2013-07-12 | 2015-01-29 | 日立建機株式会社 | 建設機械 |
FR3062357A1 (fr) * | 2017-01-31 | 2018-08-03 | Peugeot Citroen Automobiles Sa | Procede de surveillance d'un defaut de controle du groupe motopropulseur d’un vehicule |
CN108248686A (zh) * | 2018-01-31 | 2018-07-06 | 肇庆学院 | 一种基于四轮独立转向驱动线控汽车的紧急制动控制方法 |
CN109017778A (zh) * | 2018-07-31 | 2018-12-18 | 大连民族大学 | 四轮独立驱动车辆的期望路径主动转向控制方法 |
CN109399506A (zh) * | 2018-10-23 | 2019-03-01 | 芜湖智久机器人有限公司 | 一种用于智能叉车臂故障的检测***、检测方法及其处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110091876A (zh) | 2019-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110091876B (zh) | 一种线控四轮转向电动叉车的多故障检测和隔离方法 | |
KR960000248B1 (ko) | 자동차의 운동제어장치 | |
CN101417654B (zh) | 用于估计车辆状态以便避免倾翻的*** | |
Nam et al. | Robust yaw stability control for electric vehicles based on active front steering control through a steer-by-wire system | |
CN101005981B (zh) | 车辆的控制装置 | |
Jin et al. | Online estimation of<? show [AQ ID= Q1]?> inertial parameter for lightweight electric vehicle using dual unscented Kalman filter approach | |
Rodic et al. | Sensor-based navigation and integrated control of ambient intelligent wheeled robots with tire-ground interaction uncertainties | |
US11554660B2 (en) | Modular electric wheel assembly for an electric vehicle | |
CN111422247A (zh) | 线控转向电机和传感器的故障诊断及容错补偿算法 | |
CN110466604A (zh) | 轮毂电机驱动电动汽车差动驱动转向及稳定性的控制方法 | |
CN112519873B (zh) | 一种四轮独立线控转向电动汽车执行机构主动容错控制算法及*** | |
Zhang et al. | Integrated motion control scheme for four-wheel-independent vehicles considering critical conditions | |
Chen et al. | Vehicle rollover avoidance | |
Jiang et al. | LQR optimal control research for four-wheel steering forklift based-on state feedback | |
Shao et al. | Robust active steering control for vehicle rollover prevention | |
Leman et al. | Model predictive controller for path tracking and obstacle avoidance manoeuvre on autonomous vehicle | |
Hosaka et al. | Yaw rate control of electric vehicle using steer-by-wire system | |
Kim | Robust roll motion control of a vehicle using integrated control strategy | |
CN114043995A (zh) | 无人驾驶车辆自主转向***的容错装置及容错控制方法 | |
Mashadi et al. | Optimal vehicle dynamics controller design using a four-degrees-of-freedom model | |
Amato et al. | Fault-Tolerant Distributed and Switchable PI Slip Control Architecture in Four In-Wheel Motor Drive Electric Vehicles | |
Nakano et al. | Control of an electric vehicle with a large sideslip angle using driving forces of four independently-driven wheels and steer angle of front wheels | |
Li et al. | Active Return Control Strategy of Electric Power Steering System Based on Disturbance Observer. | |
Li et al. | Research advances in vehicle lateral motion monitoring and control | |
Xia et al. | Anti-rollover of the counterbalanced forklift truck based on model predictive control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |